当独立网络调用不应该互相阻塞时，async/await 很有用[重复]

Question

我对 Python 的 asyncio 库（以及一般 Python 的异步函数）的理解是它使用线程。这些线程不是进程，因此不可能进行CPU划分和并行化。

但是，如果应用程序方法有两个网络调用 A 和 B，则可能合适。如果 A 必须在 B 开始之前完成，那么我的理解是使用 async/await 语法是浪费精力。但是，如果 A 和 B 是独立的（两个响应都不是另一个响应的输入），那么 async/await 语法确实很有用。原因是网络调用 A 的执行处于空闲时间，从而阻塞了网络调用 B 的启动。Async/await 将允许 B 在收到 A 的响应之前开始。

我可能是错的，但这是我的理解。我越来越多地看到 FastAPI 教程、博客等在假定不会对性能造成损害但也没有用的上下文中使用 async/await。 一个例子。其中许多调用都定向到服务自己的关系数据库。当 async/await 有用/没用时，这可能会变得复杂。

我的理解准确吗？

Answer 1

我对Python的

asyncio

库的理解是它使用线程

不。或者更确切地说，不一定。异步与线程无关。

这些线程不是进程，因此不可能进行CPU划分和并行化

同样错误的是，线程可以并且确实在不同的 CPU 上运行，尽管同样

asyncio

不一定使用线程。由于 GIL，Python 中的线程无法实现并行化，但这通常不适用于多线程。如果您想要真正的并行处理，请查看标准库中的multiprocessing模块。

您对何时选择 asyncio 的理解基本上是正确的：任何时候您有一个具有大量空闲时间的 I/O 绑定进程（例如等待用户输入、等待 TLS 握手等），将其包装在异步任务中可以让其他代码运行。考虑您链接的示例中的代码：

• 与数据库对话是 I/O*
• 与另一个服务（甚至是你自己的服务！）对话是 I/O

除了这些

• 获取用户输入（I/O）
• 与文件系统或操作系统（I/O）对话

是

asyncio

往往有益的事物。

相比之下，用 numpy 处理一堆数字并不是 I/O。如果您需要处理一堆数字，并且计算能够独立并行化，那么您希望将并行性与多处理结合使用。

* 请注意，虽然

数据库本身可能受 CPU 限制，但通过套接字查询（远程或本地）是 I/O：您大部分时间都在等待应用程序层的响应数据包。